MétaCan
Menu
Retour à la cohorte
Enregistrement W3111408755 · doi:10.1504/ijhfe.2020.10034343

Effects of chronic cold water exposure in fish harvesters on sensory and motor performance and cold tolerance

2020· article· en· W3111408755 sur OpenAlexaff
Heather Carnahan, Emily Walsh, Brianna Walsh, Jillian Holden, Chantel Armstrong

Notice bibliographique

RevueInternational Journal of Human Factors and Ergonomics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFish <Actinopterygii>Cold stressMedicineCold toleranceAudiologyPhysical medicine and rehabilitationToxicologyAnimal scienceBiologyFishery

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to compare how fish harvesters who have years of chronic cold water exposure, differ from controls, with no history of cold exposure, on tests of sensation, motor performance and cold tolerance. Twelve fish harvesters and eight controls performed the following tests in both room temperature and cold conditions: VonFrey touch, grooved pegboard, manual dexterity, maximum cold exposure, and a discomfort rating. During the room temperature test, fish harvesters had a statistically higher VonFrey touch score than controls indicating decrements to their sense of touch. Results showed no statistically significant findings between groups for either of the motor performance, maximum cold exposure or discomfort tests. Findings suggest that chronic cold water exposure does not appear to lead to an adaptation to working in the cold, but instead can lead to non-freezing cold exposure injury.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,204
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Human Factors and ErgonomicsMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207